风暴潮水位预测方法、装置、电子设备和存储介质

技术领域

本公开涉及数据处理技术领域，尤其涉及一种风暴潮水位预测方法、装置、电子设备和存储介质。

背景技术

风暴潮是指气象条件与海洋潮汐相结合，形成的一种极端海洋现象，它往往伴随着大风、低气压和强烈的海浪，对沿海地区造成严重的破坏。风暴潮的水位预测可以提供重要的预警信息，帮助人们及时采取应对措施，减少人员伤亡和财产损失，通过提前预测风暴潮的水位变化，可以发出警报，引导居民撤离沿海地区，避免被洪水淹没和海浪冲击，对于沿海交通运输、港口设施等重要基础设施，提前预测风暴潮的水位可以提供时间窗口，采取必要的防护措施，减少事故和破坏；有助于科学规划沿海地区的发展和建设，沿海城市和社区的规划需要考虑到气候变化和极端海洋现象的影响，特别是在海平面上升的情况下，准确预测风暴潮的水位变化对于合理规划城市建设、防洪防灾设施具有重要意义，科学预测风暴潮的水位可以提供决策者依据，帮助他们制定相应的措施，保障沿海地区的安全与可持续发展；风暴潮给沿海生态系统带来了巨大的冲击，可能破坏珊瑚礁、湿地、海岸线等生态环境，对鱼类、海洋生物多样性等产生负面影响，通过准确预测风暴潮的水位，可以提前制定保护措施，减轻对海洋生态系统的损害，维护生态平衡和可持续发展。因此，对风暴潮的水位进行准确的预测具有重要的意义。

目前，在使用数值模式进行风暴潮水位的预测时，难以获取较为精准的水深地形数据和海岸线数据，导致预测准确性较低；在使用二维机器学习预报方法进行风暴潮水位的预测时，预报要素单调，无法保证预测结果的真实性，因此，现有技术中存在风暴潮水位预测准确性较低的技术问题。

因此，亟需一种具有较高准确性的风暴潮水位预测方法、装置、电子设备和存储介质。

发明内容

本公开提供了一种风暴潮水位预测方法、装置、电子设备和存储介质。

根据本公开的第一方面，提供了一种风暴潮水位预测方法。该方法包括：

获取目标区域的当前水位数据、当前风场数据、当前潮位数据；

将所述当前水位数据、当前风场数据、当前潮位数据发送至预设预测模型，得到在预设时间后的预测水位数据；

其中，将所述当前水位数据、当前风场数据、当前潮位数据发送至预设预测模型，得到在预设时间后的预测水位数据，包括：

获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据；

对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数；

根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集；

利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。

进一步地，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，包括：

获取所述目标区域各同一时刻的风场气象数据；

对各所述风场气象数据进行插值，得到对应的风场数据；

将各所述风场数据存储至所述预设数据集。

进一步地，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，还包括：

获取所述目标区域各同一时刻的潮汐调和常数；

根据各所述潮汐调和常数，得到对应的潮位数据；

将各所述潮位数据存储至所述预设数据集。

进一步地，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，还包括：

获取所述目标区域各同一时刻的初始水位数据；

对各所述初始水位数据进行插值，得到对应的水位数据；

将各所述水位数据存储至所述预设数据集。

进一步地，在对所述风场数据、潮位数据、水位数据进行计算时，通过皮尔逊相关系数算法进行计算。

进一步地，所述预设时间的单位至少包括下列中的至少一个：日、周、月。

进一步地，所述获取目标区域的当前水位数据、当前风场数据、当前潮位数据，包括：

将所述当前水位数据、当前风场数据、当前潮位数据的数据格式转换为csv格式，得到对应的转换数据；

对各所述转换数据进行归一化处理，得到对应的归一化数据。

根据本公开的第二方面，提供了一种水位预测装置。该装置包括：

获取模块，用于获取目标区域的当前水位数据、当前风场数据、当前潮位数据；

预测模块，用于将所述当前水位数据、当前风场数据、当前潮位数据发送至预设预测模型，得到在预设时间后的预测水位数据；

其中，将所述当前水位数据、当前风场数据、当前潮位数据发送至预设预测模型，得到在预设时间后的预测水位数据，包括：

获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据；

对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数；

根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集；

利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。

根据本公开的第三方面，提供了一种电子设备。该电子设备包括：存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现所述方法。

根据本公开的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现所述方法。

本公开通过获取目标区域的当前水位数据；将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据；其中，将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据，包括：获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据；对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数；根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集；利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。实现综合利用水域的风场数据、潮位数据、水位数据，提高对风暴潮水位预测的准确性。

应当理解，发明内容部分中所描述的内容并非旨在限定本公开实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。附图用于更好地理解本方案，不构成对本公开的限定。在附图中，相同或相似的附图标记表示相同或相似的元素，其中：

图1示出了根据本公开实施例的风暴潮水位预测方法的流程图；

图2示出了根据本公开实施例的预设模型训练方法的流程图；

图3示出了根据本公开实施例的水位预测装置的框图；

图4示出了能够实施本公开实施例的示例性电子设备的方框图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本公开保护的范围。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

图1示出了根据本公开实施例的风暴潮水位预测方法100的流程图，该方法100包括：

S101，获取目标区域的当前水位数据、当前风场数据、当前潮位数据。

在一些实施例中，所述获取目标区域的当前水位数据、当前风场数据、当前潮位数据，包括：将所述当前水位数据、当前风场数据、当前潮位数据的数据格式转换为csv格式，得到对应的转换数据；对各所述转换数据进行归一化处理，得到对应的归一化数据。

在一些实施例中，在常规预报场景下，可以通过获取EC(European Centre forMedium-Range Weather Forecasts)风场数据或GFS(Global Forecast System)风场数据，并对所述EC风场数据或GFS风场数据进行插值，得到二维风场数据。

在一些实施例中，在台风预报场景下，可以通过获取台风的路径、中心气压等信息，并通过藤田公式计算得到二维风场数据。

在一些实施例中，通过使用常数数据集(如OTPS)获取潮汐初始数据，并根据所述常数数据集的振幅和迟角得到潮汐数据。

在一些实施例中，可以通过HYCOM模型、FVCOM模型或卫星遥感反演获取目标水域的水面的高度数据，并对所述高度数据进行插值，得到水位数据。

S102，将所述当前水位数据、当前风场数据、当前潮位数据发送至预设预测模型，得到在预设时间后的预测水位数据。

在一些实施例中，所述预设时间的单位可以为分钟、小时或日。

在一些实施例中，对所述预设预测模型的训练过程可以通过以下方法200进行，如图2所示，所述方法200包括：

S201，获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据。

在一些实施例中，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，包括：获取所述目标区域各同一时刻的风场气象数据；对各所述风场气象数据进行插值，得到对应的风场数据；将各所述风场数据存储至所述预设数据集。

在一些实施例中，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，还包括：获取所述目标区域各同一时刻的潮汐调和常数；根据各所述潮汐调和常数，得到对应的潮位数据；将各所述潮位数据存储至所述预设数据集。

在一些实施例中，所述获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据，还包括：获取所述目标区域各同一时刻的初始水位数据；对各所述初始水位数据进行插值，得到对应的水位数据；将各所述水位数据存储至所述预设数据集。

S202，对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数。

在一些实施例中，在对所述风场数据、潮位数据、水位数据进行计算时，通过皮尔逊相关系数算法进行计算。例如，通过皮尔逊相关系数算法计算风场数据、潮位数据的第一相关系数；通过皮尔逊相关系数算法计算风场数据、水位数据的第二相关系数；通过皮尔逊相关系数算法计算水位数据、潮位数据的第三相关系数。

S203，根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集。

S204，利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。

在一些实施例中，所述利用所述训练集对初始预测模型进行训练，得到所述预设预测模型可以通过以下步骤进行：根据所述训练集的特征，进行特征工程处理，包括特征选择、特征缩放、特征变换等操作，以确保输入的特征数据适合用于初始预测模型的训练；使用训练集数据，对预测模型进行训练，通过模型的优化算法和训练算法，模型会根据输入的训练集中的训练数据进行迭代训练，使初始预测模型能够逐渐适应数据的模式和关系；利用预设验证集数据评估训练得到的预设预测模型的性能，可以使用各种指标，如均方误差(Mean Square Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)、R平方(R-squared)等来评估模型的准确性和预测能力；根据评估结果，对模型进行调优，以提高模型的性能和预测精度，可以使用不同的模型参数、特征选择方法和调整模型结构等，进行模型优化。

根据本公开实施例，通过获取目标区域的当前水位数据；将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据；其中，将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据，包括：获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据；对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数；根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集；利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。实现综合利用水域的风场数据、潮位数据、水位数据，提高对风暴潮水位预测的准确性。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本公开并不受所描述的动作顺序的限制，因为依据本公开，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本公开所必须的。

以上是关于方法实施例的介绍，以下通过装置实施例，对本公开所述方案进行进一步说明。

图3示出了根据本公开实施例的水位预测装置300的方框图，该装置300包括：

获取模块301，用于获取目标区域的当前水位数据；

预测模块302，用于将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据；

其中，将所述当前水位数据发送至预设预测模型，得到在预设时间后的预测水位数据，包括：

获取预设数据集中所述目标区域在各同一时刻的风场数据、潮位数据、水位数据；

对所述风场数据、潮位数据、水位数据进行计算，得到对应的相关系数；

根据各所述风场数据、潮位数据、水位数据、相关系数，生成训练集；

利用所述训练集对初始预测模型进行训练，得到所述预设预测模型。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，所述描述的模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本公开的技术方案中，所涉及的用户个人信息的获取、存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开实施例，本公开还提供了一种电子设备和一种可读存储介质。

图4示出了可以用来实施本公开实施例的电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，例如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，例如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或要求的本公开的实现。

电子设备400包括计算单元401，其可以根据存储在ROM402中的计算机程序或者从存储单元408加载到RAM403中的计算机程序，来执行各种适当的动作和处理。在RAM403中，还可存储电子设备400操作所需的各种程序和数据。计算单元401、ROM402以及RAM403通过总线404彼此相连。I/O接口405也连接至总线404。

电子设备400中的多个部件连接至I/O接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许电子设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如风暴潮水位预测方法。例如，在一些实施例中，风暴潮水位预测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由ROM402和/或通信单元409而被载入和/或安装到电子设备400上。当计算机程序加载到RAM403并由计算单元401执行时，可以执行上文描述的风暴潮水位预测方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行风暴潮水位预测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合使用的程序。可读存储介质可以是机器可读信号介质或机器可读储存介质。可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上述各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。